【时间之外】AI不懂Mac吗？

看到一篇AI的研究文章，提到AI不认识Mac，觉得很有意思，分享一下，里面的工具看来要搞个Mac以后玩一玩。

首先声明，我几乎不用Mac，主要感觉还是性价比不高，平时也没时间陪她玩。

过去一年，computer-use AI从"哇好酷"变成了"哇好用"。Gartner预测，到2026年底，40%的企业应用会内置AI Agent------去年这个数字还不到5%。

换句话说，这个赛道已经不是"未来可期"，是未来已来。

但问题来了。

AI学用电脑，靠的是"看"------看截图、看界面元素、看操作流。训练数据越多样，AI就越聪明。

然而，目前公开的研究数据集，几乎全是Windows和Android的。

我们扒了一下OS-ATLAS------业界最大的开源GUI数据集之一，1300万个界面元素------你猜macOS占多少？

0.06%。

没打错。一万个样本里，六个是Mac的。

原因也不复杂：macOS的接口不像Windows和Android那样好抓。苹果的辅助功能API虽然强大，但要大规模采集，需要懂行的人写专门的工具。而这种工具？之前根本不存在。

于是结果就是：全行业拿着几乎没有Mac数据的语料，训练出了一堆"Windows很熟、Mac一脸懵"的AI Agent。

GUIrilla就是这个工具。开源了三样东西：

名字	干嘛的	一句话总结
GUIrilla 框架	自动安装Mac应用、逐屏探索、生成界面图谱	不需要人，AI自己把App"看"一遍
GUIrilla-Task 数据集	27,171个任务，覆盖1,108个Mac应用	目前最大的公开Mac交互数据集，没有之一
macapptree 库	一个Python小工具，提取任何Mac App的界面结构	不懂Mac开发也能用，三行代码拿到界面树

备注：论文在arXiv，数据在Hugging Face，代码在GitHub。

如果你在训练电脑AI Agent → GUIrilla-Task直接加进你的训练 pipeline，补上Mac这块短板。

如果你在做UI理解benchmark → 数据集自带截图+结构化数据，视觉模型和结构模型都能跑。

如果你只是想程序化地读懂一个Mac App → macapptree，最轻量的选择，没有之一。

AI在Mac上表现差，不是模型的问题，是数据的问题。

模型再强，没见过Mac的界面，它也猜不对那个按钮在哪。而模型用什么数据，取决于开源社区提供什么数据。

我们正在经历的所谓"Software 3.0"------AI替你操作电脑而不只是跟你聊天------这件事要在Mac上跑通，首先得有人把Mac的数据补上。

GUIrilla、GUIrilla-Task、macapptree，就是我们的答案。

希望对你也有用。